摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第10-11页 |
缩略语对照表 | 第11-15页 |
第一章 绪论 | 第15-21页 |
1.1 课题研究背景及意义 | 第15-16页 |
1.1.1 研究背景 | 第15-16页 |
1.1.2 研究意义 | 第16页 |
1.2 SMT产品质量控制国内外研究现状 | 第16-17页 |
1.3 阈值优化国内外研究现状 | 第17-19页 |
1.4 文章研究内容及组织结构 | 第19-21页 |
第二章 SMT概述与SPI检测参数阈值估计模型总体框架设计 | 第21-39页 |
2.1 引言 | 第21页 |
2.2 SMT工艺流程概述 | 第21-23页 |
2.3 锡膏印刷、检测过程概述及传统阈值设定流程 | 第23-30页 |
2.3.1 锡膏印刷 | 第23-24页 |
2.3.2 锡膏SPI检测 | 第24-26页 |
2.3.3 锡膏AOI检测 | 第26-27页 |
2.3.4 锡膏缺陷类型及SPI检测参数 | 第27-28页 |
2.3.5 传统SPI检测参数阈值设定 | 第28-30页 |
2.4 SMT大数据概述 | 第30-35页 |
2.4.1 SMT生产线数据资源 | 第30-35页 |
2.4.2 SMT大数据特点 | 第35页 |
2.5 基于SMT大数据的SPI检测参数阈值估计总体框架设计 | 第35-37页 |
2.6 本章小结 | 第37-39页 |
第三章 SPI检测参数阈值估计模型研究 | 第39-61页 |
3.1 引言 | 第39页 |
3.2 阈值估计数据包构建 | 第39-41页 |
3.2.1 数据收集 | 第39-40页 |
3.2.2 数据分类 | 第40页 |
3.2.3 数据预处理 | 第40-41页 |
3.3 基于核密度估计的SPI检测参数概率密度估计 | 第41-53页 |
3.3.1 核密度估计算法原理 | 第41-48页 |
3.3.2 数据抽样 | 第48-50页 |
3.3.3 数据归一化处理 | 第50-51页 |
3.3.4 确定最优窗宽 | 第51-52页 |
3.3.5 SPI检测参数概率密度估计 | 第52-53页 |
3.4 SPI检测参数阈值上下限估计 | 第53-60页 |
3.4.1 贝叶斯决策准则理论 | 第53-54页 |
3.4.2 基于贝叶斯决策准则的阈值目标函数 | 第54-55页 |
3.4.3 遗传算法 | 第55-59页 |
3.4.4 基于遗传算法优化目标函数及阈值上下限估计 | 第59-60页 |
3.5 阈值估计结果分析 | 第60页 |
3.6 本章小结 | 第60-61页 |
第四章 SPI检测参数阈值估计模型实例验证 | 第61-73页 |
4.1 引言 | 第61页 |
4.2 数据包构建 | 第61-64页 |
4.2.1 SMT生产线数据收集 | 第61-62页 |
4.2.2 数据分类及数据预处理 | 第62-64页 |
4.3 SPI检测参数概率密度估计 | 第64-68页 |
4.3.1 数据抽样 | 第64-65页 |
4.3.2 数据归一化 | 第65-66页 |
4.3.3 确定最优窗宽 | 第66-67页 |
4.3.4 SPI检测参数状态估计 | 第67-68页 |
4.4 SPI检测参数阈值上下限估计 | 第68-70页 |
4.4.1 建立阈值目标函数 | 第68-69页 |
4.4.2 阈值下限估计 | 第69页 |
4.4.3 阈值上限估计 | 第69-70页 |
4.5 阈值估计结果分析 | 第70页 |
4.6 本章小结 | 第70-73页 |
第五章 总结和展望 | 第73-75页 |
5.1 论文总结 | 第73页 |
5.2 研究展望 | 第73-75页 |
参考文献 | 第75-79页 |
致谢 | 第79-81页 |
作者简介 | 第81-82页 |